顾海磊,唐文伟,姚 尧,张新露,黄泽波
(南京医科大学附属妇产医院放射科,江苏 南京 210004)
子宫内膜癌(endometrial cancer,EC)是最常见的围绝经期妇科恶性肿瘤[1],近年来发病率在全球范围内呈上升趋势[1-2]。早发现、早治疗可有效提高EC 患者生存率。宫腔诊刮活检是术前诊断子宫内膜病变的重要方法,但有创,且不能充分评估病变异质性;
术前常规MRI 有时较难鉴别子宫内膜癌与内膜增生及内膜息肉,耗时长、费用高,且存在对比剂过敏等风险。本研究观察以合成MRI 中的MR 图像汇编(magnetic resonance image compilation,MAGiC)联合基于复合灵敏度编码的弥散加权成像(multiplexed sensitivity encoding diffusion weighted imaging,MUSE-DWI)定量参数鉴别子宫内膜癌与内膜良性病变的效能。
1.1 研究对象 回顾性分析2021 年11 月—2022 年10 月112 例于南京医科大学附属妇产医院就诊的子宫内膜病变患者资料,年龄21~78 岁、平均(52.2±10.7)岁;
其中72 例为国际妇产科联盟(International Federation of Gynecology and Obstetrics,FIGO)Ⅰ~Ⅱ期子宫内膜样腺癌(恶性组),40 例为子宫内膜增生或息肉(良性组)。纳入标准:①术前2 周内接受合成MRI 及MUSE-DWI 检查;
②之后手术并经病理确诊。排除标准:①图像质量不佳;
②病灶体积小致无法评估;
③单纯增生合并非典型增生或局灶癌变。本研究经院伦理审查委员会批准(2023KY-120)。
1.2 仪器与方法 采用GE Signa Architect 3.0T 超导型MR 仪、30 通道自适应线圈。嘱患者适度充盈膀胱后仰卧于检查床,自骨盆入口至耻骨联合下缘进行扫描,采集轴位T1WI、T2WI、T2WI-频率选择反转恢复衰减(spectral attenuated inversion recovery,SPAIR)、MAGiC 及MUSE-DWI 图像及矢状位T2WI、冠状位SPAIR-T2WI;
参数:MAGiC 序列合成MRI,采集2 个回波(TE117 ms、TE287 ms),TR 4 000 ms,TI 38 ms,FOV 340 mm×272 mm、矩阵320×256,层厚5 mm,层间距1 mm,回波链长度16,加速因子2.25,扫描时间3 min 30 s;
MUSE-DWI b 值取50 s/mm2和800 s/mm2,TE 80 ms,TR 7 000 ms,FOV 280×180 mm,层 厚5 mm,层间距1 mm,加速因子2,扫描时间2 min。
1.3 分析图像 于GE AW 4.4 工作站、利用MAGiC后处理程序(版本100.1.1)合成MRI。由不知晓病理结果、具有3 年妇产MRI 诊断经验的住院医师及14 年经验的主治医师各1 名独立分析显示病变最大面积的轴位图像,以视觉观察避开坏死或囊性区手动绘制病灶ROI;
工作站自动得出ROI 定量参数,包括T1 值、T2 值、质子密度(proton density,PD)及表观弥散系数(apparent diffusion coefficient,ADC)。重复上述操作3 次,取平均值作为结果(图1、2)。
图1 患者女,35 岁,子宫内膜增生,轴位平扫定量MRI A.定量ADC 图;
B.定量T1 图;
C.定量T2 图;
D.定量PD 图(圈示病灶)
图2 患者女,52 岁,子宫内膜癌,轴位平扫定量MRI A.定量ADC 图;
B.定量T1 图;
C.定量T2 图;
D.定量PD 图(圈示病灶)
1.4 统计学分析 采用SPSS 27.0 和MedCalc 22.0统计分析软件。以描述正态分布计量资料,组间行独立样本t检验;
以中位数(上下四分位数)描述偏态分布计量资料,组间行Mann-WhitneyU检验。采用组内相关系数(intra-class correlation coefficient,ICC)评估观察者间一致性,以ICC>0.80 为一致性强,0.40~0.80 为一致性中等,<0.40 为一致性差。以logistic 回归分析评估鉴别子宫内膜良、恶性病变的独立因素,并据以建立单变量及联合模型,以Hosmer-Lemeshow 检验评估模型的拟合优度;
绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算曲线下面积(area under the curve,AUC)评估各模型鉴别子宫内膜病变良、恶性的效能,以DeLong 检验进行比较。P<0.05 为差异有统计学意义。
2.1 基本资料 恶性组患者年龄及病灶长径均大于良性组(P均<0.05),见表1。
表1 良、恶性子宫内膜病变患者基本资料及病灶MRI 定量参数比较
2.2 MRI 定量参数 定量参数ADC、T1、T2 及PD值观察者间一致性较高,ICC分别为0.94、0.89、0.95和0.93(P均<0.05)。相比良性组,恶性组ADC、T2及PD 值均较低(P均<0.05),而组间T1 值差异无统计学意义(P=0.074),见表1。
2.3 诊断效能 根据单因素logistic 回归分析结果构建的预测子宫内膜良、恶性病变单变量模型中,ADC模型、T2 模型及PD 模型的AUC 分别为0.966、0.618及0.664。以多因素logistic 回归分析构建预测子宫内膜良、恶性病变的联合模型中,ADC+T2+PD 模型的AUC 为0.970,最佳截断值相应敏感度为97.18%、特异度92.68%、准确率95.53%;
T2+PD 模型的AUC为0.668。见表2。DeLong 检验显示,ADC 单变量模型与ADC+T2+PD 联合模型的AUC 差异无统计学意义(校正P>0.05),而均高于T2、PD 单变量模型与T2+PD 联合模型(校正P均<0.05),后三者之间AUC 差异均无统计学意义(校正P均>0.05),见图3。
表2 以单变量模型或联合模型预测子宫内膜良、恶性病变的ROC 分析结果
图3 以合成MRI 及MUSE-DWI 定量参数单变量模型及联合模型预测子宫内膜良、恶性病变的ROC 曲线
利用合成MRI 能进行快速、可重复的定量分析,准确的弛豫时间(T1、T2)和PD 可反映不同组织的内在特性。作为合成MRI 的一种,MAGiC 可基于组织弛豫特性重建多种对比加权图像[3],相比传统定量方法明显缩短扫描时间、提高可重复性,且其衍生的定量映射与传统MRI 具有良好相关性,已用于鉴别前列腺肿瘤、乳腺肿瘤、鼻咽癌及宫颈癌等[3-7],用于肿瘤可视化及影像学评估肿瘤具有明显优势。
T1 值主要反映组织细胞成分及分子微环境等[7-8]。本研究结果显示,子宫内膜良、恶性病变之间的T1 值差异无统计学意义(P=0.074),可能T1WI 组织对比度较低,致其鉴别诊断价值有限。本研究恶性组PD值低于良性组,表明PD 值所反映的水分子含量组间存在差异。T2 值亦可定量反映组织水含量[9];
T2WI具有良好组织对比度和空间分辨率。本研究恶性组T2 与PD 值均低于良性组,可能为恶性肿瘤细胞体积较大、排列更为紧密,细胞外间隙含水量降低所致。上述结果提示T2 及PD 值对于鉴别子宫内膜良、恶性病变均具有一定参考价值。
MUSE-DWI 是基于多点平面回波成像的弥散加权成像(diffusion weighted imaging,DWI)高分辨率编码成像,用于中枢神经系统、乳腺、肝脏及小肠等器官或系统[10-12]可提高几何保真度、减少磁敏感伪影,较传统DWI具有更好的信噪比及更高的空间分辨率[11,13]。本研究结果显示,子宫内膜恶性病变的ADC 低于良性病变(P<0.001)。ADC低表明分子随机扩散受限,可能恶性病变中的细胞密度较高,限制水分子在其内的扩散[14]。
本研究利用logistic 回归分析建立的单变量模型中,T2 及PD 值模型预测子宫内膜良、恶性病变的效能较低,可能原因如下:①ROI 未能包含整个病变且避开坏死囊变区,导致所测参数未能充分体现肿瘤异质性;
②T2 及PD 值反映组织间含水量的差异,子宫内膜良、恶性病变水含量虽有一定差异,但可能并不显著。ADC 可综合反映组织含水量及随机扩散运动并以后者为主,使DWI 鉴别良、恶性肿瘤具有优势。本研究采用的MUSE-DWI 具有更好的信噪比,所获ADC 单变量模型及ADC+T2+PD 联合模型的诊断效能显著高于T2、PD 单变量模型及T2+PD 联合模型。
综上,合成MRI 联合MUSE-DWI 可用于鉴别子宫内膜良、恶性病变;
单变量模型中,ADC 用于鉴别子宫良、恶性病变效能相对高,而T2 及PD 值可作为参考以降低假阳性;
应用上述模型可减少不必要的有创检查,有望成为鉴别子宫内膜良、恶性病变的有效途径。但本研究为单中心、回顾性分析,病例数较少,且未纳入不典型增生及局灶癌变病例,有待后续通过开展前瞻性、多中心、大样本研究进一步观察。
利益冲突:全体作者声明无利益冲突。
作者贡献:顾海磊研究实施、数据分析、撰写文章;
唐文伟指导、研究设计、审阅文章;
姚尧图像处理和分析;
张新露图像分析;
黄泽波图像处理、统计分析。
扩展阅读文章
推荐阅读文章
恒微文秘网 https://www.sc-bjx.com Copyright © 2015-2024 . 恒微文秘网 版权所有
Powered by 恒微文秘网 © All Rights Reserved. 备案号:蜀ICP备15013507号-1